Databricksワークフローにおけるコントロールフロー強化のお知らせ！
多段階のデータやAIプロセス、パイプラインをオーケストレーションする上で重要な要素は、制御フローの管理です。 このため、 Databricks Workflowsの コントロールフロー機能に投資を続けています。この機能により、お客様は複雑なワークフローをより適切に制御し、高度なオーケストレーションシナリオを実装することができます。 数ヶ月前、私たちは ワークフローにモジュール式のオーケストレーションを 定義する機能を導入しました。これにより、お客様は複雑なDAGを分解して、より良いワークフロー 管理、再利用性、チーム間でのパイプラインの連鎖を実現することができます。 本日、Lakehouseのオーケストレーションにおける次のイノベーションを発表できることを嬉しく思います。 タスクの条件付き実行 条件実行は、"If/else 条件タスクタイプ" と、"Run if dependencies" の2つの機能に分けることができます。これらを組み合わせることで、ユーザーはワークフローで分岐ロジックを作成し、パイプライン内の
DatabricksとMongoDBで保険のAI主導型イノベーションを加速する
保険会社は近代化において大きな変化を遂げている。 伝統的にレガシーシス テムの使用で知られる大手通信事業者は、収益性の高い成長を維持することを目標に、クラウドへの移行やAIなどの新技術の採用によってインフラを近代化している。 イノベーションで価値を生み出してきた企業に共通する先進的な手法は、新しいデジタル製品を迅速に市場に投入し、手作業のプロセスを自動化し、どこにいても顧客やそのデータとつながることができることだ。 これが当てはまる主な分野は以下の通りだ： コネクテッド・インシュアランス& モビリティ IoTとテレマティクスの台頭は、保険会社が商品の内容やビジネスのやり方を変えつつあることを意味する。 大手企業（プログレッシブ社）がテレマティクス製品を最初に発売した競争上の優位性について考えてみよう。 より正確な価格設定が可能になり、その結果、より良い保険料につながるのであれば、データを共有することを厭わない顧客層を開拓できるという利点がある。 意思決定支援& 自動化 意思決定サポートと自動化された
Databricks Lakehouseプラットフォームのブルームバーグ・データを活用したサプライチェーンの混乱とESGリスク管理
このブログは、私たちが提携している業界をリードするデータ・プロバイダーやマーケットプレイスのデータ・プロバイダーを紹介するブログ記事の第一弾です。 ブルームバーグの協力者であるマイケル、マリス、ドンには、この旅を通してのサポートとこのブログへの貢献に感謝する。 サプライチェーンの回復力は、企業にとってますます重要になってきている。 調達マネジャーは、サプライチェーン・ネットワーク全体にわたって透明性のある監視を維持し、潜在的なリスクを認識していなければならない。 近年、サプライチェーンは多くの混乱に直面しており、世界的な大流行によって引き起こされた混乱は、労働者を自宅に留め置き、世界中のサプライチェーンを麻痺させた。 企業がパンデミック（世界的大流行）から脱却するにつれ、リーダーたちは次の大きな混乱にどう備えるべきかを自問自答している。 マッキンゼー・アンド・カンパニーが 2022年に発表した、製造業を対象にした調査報告書によると、過去12ヶ月間にサプライチェーンのリスク管理を新たに実施した企業は全体の3分の2に
高度なアナリティクスによる電子事前承認の近代化
このブログは、ZS社ソリューションデリバリーマネージャー、ダン・ニューインガム氏、Databricks社HLSテクニカルディレクター、アーロン・ザボラ氏との共同執筆によるものです。 電子事前 承認の 義務化とバリュー・ベースド・ケア(VBC)の取り決めによる償還パターンの進化により、医療保険制度が会員のためにサービスを承認する方法が変化している。 患者の転帰を改善し、事前承認にまつわる増大する管理上の問題を回避し、ビジネスに有意義なROIをもたらすような、増え続けるユースケースでデータを活用する絶好の機会が存在する。 拡大する事前承認の問題 Prior Authorizationは、処置、処方、耐久性医療機器（DME）などの医療サービスの適切な利用を確保するために、医療保険制度によって実施されるプログラムである。 これらのプログラムは、患者のために質の高い結果を維持しながら、不必要なサービスを減らすように設計されている。 質の高い患者の転帰を確保しながらサービスを制限するバランスは、データ& AIを使用しな
Cracking the Code: Databricksがバイオメカニクスデータでメジャーリーグを再構築する方法
翻訳：Saki Kitaoka. - Original Blog Link バイオメカニカルデータは、メジャーリーグ（MLB）のチームにとって、選手のパフォーマンスを向上させ、怪我を減らすという競争上の優位性を提供する、ゲームを変える要素として登場しました。しかし、その潜在的な可能性にもかかわらず、ほとんどのチームはその能力を十分に活用できずにいます。 バイオメカニクスデータのソースは、ウェアラブルセンサー、フォースプレート、モバイルデバイス、そして特に高速度カメラなど多岐にわたります。2020年、各球場に12台のカメラを戦略的に配置した Hawk-Eye Statcastシステム の登場は、大きな前進でした。これらのカメラのうち5台は投球と打撃専用で、毎秒100フレーム（FPS）で作動。残りの7台のカメラは、フィールドプレーヤーと打球に焦点を当て、50 FPSでデータを取得します。これらのカメラシステムを合計すると、MLBのレギュラーシーズン2,430試合ごとに24テラバイトという途方もない量のデータが生成され